Kita mengasumsikan bahwa ia adalah variabel acak dengan nilai rata-rata a. Dan nilai intercept untuk masing-masing unit cross-section dapat ditulis sebagai
berikut: ai = a + ui = 1, 2,.... N
Dimana adalah random effect term.Secara esensial, kita ingin mengatakan bahwa
Cross-section yang masuk ke dalam sampel diambil dari populasi yang lebih besar dan semua memiliki rata-rata yang sama untuk intercept setiap Cross-
section yang dapat direfleksikan dalam error term ui. Dengan demikian persamaan diatas dapat dituliskan kembali menjadi:
Yit = αi + βiXlit + β2X2it +β3X3it + β4X4it + ui + εit
Yit = αi + βiXlit + β2X2it +β3X3it + β4X4it + Wit
3. Langkah Penentuan Model Data Panel
a. Uji Chow
Uji chow test digunakan untuk mengetahui apakah teknik regresi data panel dengan fixedeffect FE lebih baik daripada model regresi data panel common
effect CE dengan melihat residual sum squares Green, 2000 Chow test
RRSS : Restricted Sum of Square Residual
Yang merupakan nilai Sum of Square Residual dari model PLS common effect
URSS : Unrestricted Sum of Square Residual
Yang merupakan nilai Sum of Square Residual dari model LSDV fixedeffect.
N = Jumlah individu data T = Panjang waktu data
K = Jumlah variabel independen Nilai chow test yang didapat kemudian dibandingkan dengan F-tabel pada
numerator sebesar N-1 dan denumerator NT-N-K. Nilai F-tabel menggunakan a sebesar 1 dan 5. Perbandingan tersebut dilakukan dengan hipotesis sebagai
berikut: Ho
= menerima model common effect, jika nilai Chow F-tabel Hi
= menerima model fixed effect, jika nilai Chow F-tabel
b. Uji Hausman
Untuk menentukan metode apa yang sebaiknya dipakai antara fixed effect atau random effect, digunakan metode yang dikembangkan oleh Hausman. Uji
Hausman ini didasarkan bahwa penggunaan variabel dummy dalam metode fixed effect dan GLS adalah efisien sedangkan OLS tidak efisien, di lain pihak
alternatifhya adalah metode OLS efisien dan metode GLS tidak efisien. Karena uji hipotesis nulnya adalah hasil estimasi keduanya tidak berbeda sehingga Uji
Hausman bisa dilakukan berdasarkan perbedaan estimasi tersebut. Statistik uji Hausman mengikuti distribusi statistik chi-square dengan df sebesar k
dimana k adalah jumlah variabel independenden. Jika nilai statistik Hausman lebih besar daripada nilai kritisnya maka model yang tepat adalah model fixed effect dan
sebaliknya.
